Parcours Ingénieur en Intelligence Artificielle

Project 2

Analyse exploratoire des données

Participez à un concours sur la Smart City

Husain Khatba

---

Sommaire

Table of Contents

• 1. Contexte et objectifs

• 2. Mise en place de l’environnement de travail

• 3. Présentation du jeu de données

• 4. Démarche méthodologique d’analyses du jeu de données

  • 4.1 Les doublons
  • 4.2 Suppression des variables inutiles
  • 4.3 Traiter les valeurs aberrantes
  • 4.4 Faire des analyses univariées et tracer des représentations graphiques
  • 4.5 La corrélation entre les caractéristiques numériques
  • 4.6 Faire une analyse bivariée et tracer des représentations graphiques
  • 4.7 Zoom sur les variables qualitatives
  • 4.8 Analyse géographique

• 5. Synthèse de l'analyse de données

1. Contexte et objectifs

Dans le cadre de ce projet je vais réaliser une analyse exploratoire des données sur les arbes de la ville de Paris dans le cadre du programme "Végétalisons la ville". L'objectif est d'optimiser les trajets nécessaires pour entretenir ces arbres.

2. Mise en place de l’environnement de travail

Un environnement virtuel Python permet d'avoir des installations de Python isolées du système et séparées les unes des autres. Cela permet de gérer plusieurs projets sur sa machine de développements, certains utilisant des modules de versions différentes, voir même des versions différentes de Python. Nous allons utiliser le langage Python, et Notebook Jupyter. Nous allons aussi utiliser les bibliothèques usuelles d’exploration et analyse de données NumPy : effectuer des calculs scientifiques (statistiques, algèbre linéaire) Pandas : et manipuler des séries et tableaux de données volumineuses et complexes Matplotlib, Seaborn et Plotly : générer des graphiques

import warnings
warnings.filterwarnings('ignore')

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

from wordcloud import WordCloud

%matplotlib inline

pd.set_option('display.max_row', 111)
pd.set_option('display.max_column', 111)

3. Présentation du jeu de données

df = pd.read_csv('data/p2-arbres-fr.csv', sep=';')

Description du jeu de données

df.head(5)

	id	type_emplacement	domanialite	arrondissement	complement_addresse	numero	lieu	id_emplacement	libelle_francais	genre	espece	variete	circonference_cm	hauteur_m	stade_developpement	remarquable	geo_point_2d_a	geo_point_2d_b
0	99874	Arbre	Jardin	PARIS 7E ARRDT	NaN	NaN	MAIRIE DU 7E 116 RUE DE GRENELLE PARIS 7E	19	Marronnier	Aesculus	hippocastanum	NaN	20	5	NaN	0.0	48.857620	2.320962
1	99875	Arbre	Jardin	PARIS 7E ARRDT	NaN	NaN	MAIRIE DU 7E 116 RUE DE GRENELLE PARIS 7E	20	If	Taxus	baccata	NaN	65	8	A	NaN	48.857656	2.321031
2	99876	Arbre	Jardin	PARIS 7E ARRDT	NaN	NaN	MAIRIE DU 7E 116 RUE DE GRENELLE PARIS 7E	21	If	Taxus	baccata	NaN	90	10	A	NaN	48.857705	2.321061
3	99877	Arbre	Jardin	PARIS 7E ARRDT	NaN	NaN	MAIRIE DU 7E 116 RUE DE GRENELLE PARIS 7E	22	Erable	Acer	negundo	NaN	60	8	A	NaN	48.857722	2.321006
4	99878	Arbre	Jardin	PARIS 17E ARRDT	NaN	NaN	PARC CLICHY-BATIGNOLLES-MARTIN LUTHER KING	000G0037	Arbre à miel	Tetradium	daniellii	NaN	38	0	NaN	NaN	48.890435	2.315289

print("La forme des données est :", df.shape)

La forme des données est : (200137, 18)

df.describe(include=["object"])

	type_emplacement	domanialite	arrondissement	complement_addresse	lieu	id_emplacement	libelle_francais	genre	espece	variete	stade_developpement
count	200137	200136	200137	30902	200137	200137	198640	200121	198385	36777	132932
unique	1	9	25	3795	6921	69040	192	175	539	436	4
top	Arbre	Alignement	PARIS 15E ARRDT	SN°	PARC FLORAL DE PARIS / ROUTE DE LA PYRAMIDE	101001	Platane	Platanus	x hispanica	Baumannii'	A
freq	200137	104949	17151	557	2995	1324	42508	42591	36409	4538	64438

print(df.info())

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 200137 entries, 0 to 200136
Data columns (total 18 columns):
 #   Column               Non-Null Count   Dtype  
---  ------               --------------   -----  
 0   id                   200137 non-null  int64  
 1   type_emplacement     200137 non-null  object 
 2   domanialite          200136 non-null  object 
 3   arrondissement       200137 non-null  object 
 4   complement_addresse  30902 non-null   object 
 5   numero               0 non-null       float64
 6   lieu                 200137 non-null  object 
 7   id_emplacement       200137 non-null  object 
 8   libelle_francais     198640 non-null  object 
 9   genre                200121 non-null  object 
 10  espece               198385 non-null  object 
 11  variete              36777 non-null   object 
 12  circonference_cm     200137 non-null  int64  
 13  hauteur_m            200137 non-null  int64  
 14  stade_developpement  132932 non-null  object 
 15  remarquable          137039 non-null  float64
 16  geo_point_2d_a       200137 non-null  float64
 17  geo_point_2d_b       200137 non-null  float64
dtypes: float64(4), int64(3), object(11)
memory usage: 27.5+ MB
None

Classification des variables

pd.DataFrame(df).dtypes.value_counts().plot(kind='bar', rot=0).grid()

11 variables Qualitatives 7 variables Quantitatives

4. Démarche méthodologique d’analyses du jeu de données

4.1 Les doublons

df[df.id.duplicated()].shape

(0, 18)

Aucun id n'est dupliqué, on peut considérer que chaque ligne du jeu de données est unique

4.2 Suppression des variables inutiles

# Affichage des valeurs manquantes en %
(df.isna().sum()/df.shape[0]).sort_values(ascending=True) * 100

id                       0.000000
hauteur_m                0.000000
circonference_cm         0.000000
geo_point_2d_a           0.000000
id_emplacement           0.000000
lieu                     0.000000
geo_point_2d_b           0.000000
arrondissement           0.000000
type_emplacement         0.000000
domanialite              0.000500
genre                    0.007995
libelle_francais         0.747988
espece                   0.875400
remarquable             31.527404
stade_developpement     33.579498
variete                 81.624088
complement_addresse     84.559577
numero                 100.000000
dtype: float64

# Affichage des valeurs manquantes en "heatmap" avec la librarie seaborn

plt.figure(figsize=(15,10))
sns.heatmap(df.isna(), cmap="Blues", cbar=False).grid()
plt.show()

Variables inutiles pour l'analyse de données : 'id' : identifiant, valeurs uniques 'numero' : uniquement des valeurs manquantes 'type_emplacement' : une seule valeur (Arbre) 'complement_addresse' : pourcentage de valeurs manquantes très élevées - plus de 80% de données manquantes 'id_emplacement' : inutile pour l'analyse 'variete' : valeurs manquantes supérieures à 80%, il sera difficile de venir corriger ces données.

df.drop(['id', 'numero', 'type_emplacement', 'complement_addresse', 'id_emplacement', 'variete'], axis=1, inplace=True)

df.shape

(200137, 12)

4.3 Traiter les valeurs aberrantes

print(df["circonference_cm"].min())
print(df["circonference_cm"].max())
print(df["hauteur_m"].min())
print(df["hauteur_m"].max())

0
250255
0
881818

valeur minimum de circonference_cm = 0, ce qui semble impossible valeur maximum de circonference_cm = 250255, ce qui semble impossible valeur minimum de hauteur_m = 0, ce qui semble impossible valeur maximum de hauteur_m = 881818, ce qui semble impossible

Boxplot la distribution des données quantitatives "circonference_cm", "hauteur_m"

df_quanti = ["circonference_cm", "hauteur_m"]

for col in df[df_quanti]:
    plt.figure()
    sns.boxplot(x=df[col])
    plt.title(col)
    plt.show()

#Pour traiter les valeurs aberrantes nous allons identifier des outliers avec l'écart inter-quartiles

#L’écart interquartile est une mesure de dispersion qui s'obtient en faisant la différence entre le troisième et le premier quartile : EI = Q3 - Q1

#EI est un estimateur statistique robuste. 
#Q1 : 1er  quartile est la donnée de la série qui sépare les 25 % inférieurs des données 
#Q3 : 3eme quartile est la donnée de la série qui sépare les 75 % inférieurs des données

#Formule : EI = Q3 - Q1

Q1 = df[["circonference_cm", "hauteur_m"]].quantile(0.25)
Q3 = df[["circonference_cm", "hauteur_m"]].quantile(0.75)

EI = Q3 - Q1

EI

circonference_cm    85.0
hauteur_m            7.0
dtype: float64

lower_limit = Q1 - 1.5*EI
upper_limit = Q3 + 1.5*EI

print(f"Limite supérieure : \n{upper_limit}\n\nLimite inférieure : \n{lower_limit}")

Limite supérieure : 
circonference_cm    242.5
hauteur_m            22.5
dtype: float64

Limite inférieure : 
circonference_cm   -97.5
hauteur_m           -5.5
dtype: float64

print(sum(df["circonference_cm"] == 0))
print(sum(df["hauteur_m"] == 0))
print(sum(df["hauteur_m"] == 0) & sum(df["circonference_cm"] == 0))

25867
39219
259

Après des recherches sur Internet : La circonférence la plus élevée a est de 13.9 m La hauteur la plus élevée est de 66.6 m

df_filtered = df[~((df[["hauteur_m", "circonference_cm"]] < lower_limit) | (df[["hauteur_m", "circonference_cm"]] > upper_limit)).any(axis=1)]

df_filtered.shape

(193997, 12)

Boxplot après suppression des valeurs aberrantes

var_quanti = ["circonference_cm", "hauteur_m"]

for col in df[var_quanti]:
    
    plt.title(col)
    sns.boxplot(x=df_filtered[col])
    
    plt.show()

4.4 Faire des analyses univariées et tracer des représentations graphiques

Distplot est une fonction qui combine la fonction matplotlib hist (avec calcul automatique d'une bonne taille de bin par défaut) avec les fonctions seaborn kdeplot() et rugplot().

df_quanti = ["circonference_cm", "hauteur_m"]

for col in df[df_quanti]:

    mean   = round(df_filtered[col].mean(), 2)
    median = round(df_filtered[col].median(), 2)
    std    = round(df_filtered[col].std(), 2)
    
    print(f'Moyenne : {mean}cm ,', f'Médiane : {median}cm ,', f'Écart type : {std}cm')
    
    plt.figure(figsize=(20,8))
    sns.distplot(df_filtered[col])
    
    ## mean
    plt.axvline(x=df_filtered[col].mean(), color='red', label="Moyenne")

    ## median
    plt.axvline(x=df_filtered[col].median(), color='blue', ls='--', lw=2.5, label="Médiane")
    
    plt.legend()
    plt.show();

Moyenne : 74.8cm , Médiane : 70.0cm , Écart type : 55.37cm

Moyenne : 7.93cm , Médiane : 8.0cm , Écart type : 5.7cm

4.5 La corrélation entre les caractéristiques numériques

sns.heatmap(df_filtered.corr(), cmap="Blues", annot=True, fmt='.2f', linewidths=1, cbar=False)
plt.show()

On voit clairement une corrélation entre circonférence / hauteur des arbres

4.6 Faire une analyse bivariée entre hauteur_m, circonference_cm et stade_developpement

ax = sns.scatterplot(x='hauteur_m',
                     y='circonference_cm',
                     data=df,
                    hue="stade_developpement")
ax.set(xlim=(1, 100), ylim=(1, 1000))

plt.xlabel('Hauteur en m')
plt.ylabel('Circonference en cm')
plt.title('Relation entre Hauteur, Circonférence et stade de developpement\n', fontsize=15, fontweight='bold')
plt.show()

A : Adulte J : Jeune M : Mature JA : Jeune-Adulte

Histogramme des hauteurs

plt.figure()
sns.histplot(data=df_filtered, x='hauteur_m',hue='stade_developpement', multiple="stack", binwidth=1)
plt.title('Distribution des hauteurs des arbres', fontsize=15, fontweight='bold')
plt.xlabel('Hauteur arbre (m)', fontsize=12)
plt.ylabel('Nombre d\'arbres', fontsize=12) 
plt.show()

Histogramme des circonferences

plt.figure(figsize=(25,10))
sns.histplot(data=df_filtered, x='circonference_cm',hue='stade_developpement', multiple="stack",binwidth=1)
plt.title('Distribution des circonferences des arbres', fontsize=15, fontweight='bold')
plt.xlabel('Hauteur arbre (m)', fontsize=12)
plt.ylabel('Nombre d\'arbres', fontsize=12) 
plt.show()

Boxplot des arbres pour hauteur_m, circonference_cm et stade_developpement

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(16,10))

ax1.set_title("Hauteur par stade de développement", fontsize=15, fontweight='bold')
ax2.set_title("Circonférence par stade de développement", fontsize=15, fontweight='bold')

sns.boxplot(data=df_filtered, x="stade_developpement", y="hauteur_m", order=['A', 'J', 'M', 'JA'], ax=ax1)
sns.boxplot(data=df_filtered, x="stade_developpement", y="circonference_cm", order=['A', 'J', 'M', 'JA'], ax=ax2)

<AxesSubplot:title={'center':'Circonférence par stade de développement'}, xlabel='stade_developpement', ylabel='circonference_cm'>

Nous remaqrquons que certains arbres ont une taille anormale par rapport à leur stade de développement. Il serait important de les soingner

4.7 Zoom sur les variables qualitatives

Pour les colonnes non numériques, les informations remontées sont : le nombre total de valeurs le nombre de valeurs différentes la valeur la plus fréquente sa fréquence d'apparition

Word Cloud

quali = ["domanialite", "arrondissement", "stade_developpement", "lieu", "libelle_francais", "genre", "espece"]

Word Cloud est une technique de visualisation de texte qui est utilisée nativement pour visualiser les mots les plus fréquents. Nous allons utiliser cette technique pour visualiser les mots les plus fréquents pour chaque variable catégorielle.

for q in quali:
    
    var_occurences = df_filtered[q].value_counts()

    wordcloud = WordCloud(width=800, height=400).generate_from_frequencies(var_occurences)

    plt.figure(figsize=(20,15))

    plt.title(q, fontsize=20)

    plt.imshow(wordcloud)

Les valeurs uniques de chaque variable

for col in quali:
    print(f'{col}\n{df[col].unique()}', end='\n\n\n')

domanialite
['Jardin' 'Alignement' 'DJS' 'DFPE' 'CIMETIERE' 'DASCO' 'DAC'
 'PERIPHERIQUE' 'DASES' nan]


arrondissement
['PARIS 7E ARRDT' 'PARIS 17E ARRDT' 'PARIS 16E ARRDT' 'PARIS 4E ARRDT'
 'PARIS 13E ARRDT' 'PARIS 12E ARRDT' 'PARIS 19E ARRDT' 'PARIS 14E ARRDT'
 'PARIS 15E ARRDT' 'PARIS 3E ARRDT' 'PARIS 20E ARRDT' 'PARIS 18E ARRDT'
 'PARIS 6E ARRDT' 'PARIS 11E ARRDT' 'PARIS 1ER ARRDT' 'PARIS 2E ARRDT'
 'PARIS 5E ARRDT' 'VAL-DE-MARNE' 'SEINE-SAINT-DENIS' 'HAUTS-DE-SEINE'
 'PARIS 9E ARRDT' 'PARIS 10E ARRDT' 'PARIS 8E ARRDT' 'BOIS DE BOULOGNE'
 'BOIS DE VINCENNES']


stade_developpement
[nan 'A' 'J' 'M' 'JA']


lieu
['MAIRIE DU 7E 116 RUE DE GRENELLE PARIS 7E'
 'PARC CLICHY-BATIGNOLLES-MARTIN LUTHER KING'
 'SQUARE ALEXANDRE ET RENE PARODI / 1 PLACE DE LA PORTE MAILLOT' ...
 'TERRAIN D EDUCATION PHYSIQUE / 49 RUE OLIVIER METRA' 'RUE EDOUARD QUENU'
 'RUE DU GENERAL NIESSEL']


libelle_francais
['Marronnier' 'If' 'Erable' 'Arbre à miel' 'Platane' 'Sophora'
 'Prunus n. sp.' 'Hêtre' 'Micocoulier' 'Tilleul' 'Chêne' 'Savonnier'
 'Copalme' 'Noyer' 'Arbre à caramel' 'Troene' 'Tulipier' 'Pin' 'Sapin'
 'Cerisier à fleurs' 'Charme-Houblon' 'Cèdre' 'Paulownia' 'Thuya'
 'Pommier à fleurs' 'Poirier' 'Pommier' 'Bouleau' 'Orme' 'Arbre de Judée'
 'Robinier' 'Frêne' 'Aubépine' 'Fevier' 'Prunier à fleurs'
 'Arbre aux quarante écus' 'Néflier commun' 'Saule' 'Magnolia'
 'Prunier à fruits' 'Poirier à fleurs' 'Peuplier' 'Faux-cyprès' 'Aubepine'
 nan 'Plaqueminier' 'Mûrier' 'Pêcher' 'Pterocarya' 'Merisier'
 'Noisetier de Byzance' 'Alisier' 'Cognassier'
 'Parrotie de Perse - Arbre de fer' 'Poirier à fruits' 'Orme de Sibérie'
 'Frêne à fleurs' 'Aulne' 'Troëne' 'Fontanesia' 'Cornouiller' 'Cedrele'
 'Catalpa' 'Houx' 'Buis' 'Metaséquoia' 'Chicot du Canada'
 'Oranger des Osages' 'Céphalotaxe' 'Sumac' 'Châtaignier' 'Ailante'
 'Sequoia' 'Lilas des indes' 'Pterostyrax' 'Eucalyptus' 'Olivier'
 'Figuier' 'Charme' 'Sureau' 'Epicéa' 'Sorbier' 'Amélanchier' 'Cytise'
 'Filaire' 'Angélique' 'Virgilier' 'Phellodendron' 'Eleagnus - Chalef'
 'Pommier à fruits' 'Cabrillet' 'Citronnier' 'Arbre à soie'
 'Lilas de Perse' 'Laurier-Cerise' 'Laurier du Portugal' 'Nothofagus'
 'Cyprès' 'Noisetier' 'Palmier' 'Muscadier' 'Libocèdre' 'Abelia'
 'Photinia' 'Clerodendron' 'Arbre aux mouchoirs' 'Sterculier' 'Poivrier'
 'Cyprès Chauve' 'Arbre à Gutta-Percha' 'Nyssa' 'Cotoneaster'
 'Olivier odorant' 'Non spécifié' 'Laurier sauce' 'Arbousier' 'Araucaria'
 'Cryptomeria' 'Cerisier à grappes' 'Cunninghamia' 'Hiba' 'Chèvrefeuille'
 'Raisinier' 'Chitalpa' 'Néflier' 'Pistachier' 'Laburnum de Adam'
 'Tapiscia' 'Mélèze' 'Caryer' 'Parrotie de Perse' 'Distylium' 'Tamaris'
 'Orme de Samarie' 'Arbre à perruque' 'Chimonanthe' 'Mimosa' 'Cordyline'
 'Faux dattier' 'Althéa' 'Cerisier à fruits' 'Amandier' 'Tsuga'
 'Stewartia' 'Argousier' 'Papayer' 'Styrax' 'Laurier des Iroquois'
 'Laurier' 'Genévrier' 'Heptacodion de Chine' 'Grenadier' 'Sapin Douglas'
 'Rhododendron' 'Viorne' 'Cormier' 'Prunellier' 'Poliothyrsis' 'Caragana'
 'Asiminier' 'Platycarya' 'Amla' 'Alangium' 'Euscaphis' 'Andromède'
 'Sycopsis' 'Camphrier' 'Jujubier' 'Maackie' 'Staphylier' 'Seringas'
 'Lilas' 'Fusain' 'Fremontia' 'Nerprun' 'Callistemon' 'Aronie'
 'Myrte du Chili' 'Goyavier' 'Genêt' 'Laurier du caucase'
 'Prunus Fleur n. sp.' 'Abricotier' 'Prunus Fruit n. sp.'
 "Fustet d' Amérique" 'Idesia' 'Laurier des Açores' 'Kalopanax'
 'Ormeau épineux' 'Ostryer' 'Xanthoceras' 'Parrotiopsis' 'Garrya']


genre
['Aesculus' 'Taxus' 'Acer' 'Tetradium' 'Platanus' 'Sophora' 'Prunus'
 'Fagus' 'Celtis' 'Tilia' 'Quercus' 'Koelreuteria' 'Liquidambar' 'Juglans'
 'Cercidiphyllum' 'Ligustrum' 'Liriodendron' 'Pinus' 'Abies' 'Ostrya'
 'Cedrus' 'Paulownia' 'Thuja' 'Malus' 'Pyrus' 'Betula' 'Ulmus' 'Cercis'
 'Robinia' 'Fraxinus' 'Crataegus' 'Gleditsia' 'Ginkgo' 'Mespilus' 'Salix'
 'Magnolia' 'Populus' 'Chamaecyparis' 'Diospyros' 'Morus' 'Pterocarya'
 'Corylus' 'Sorbus' 'Cydonia' 'Parrotia' 'Zelkova' 'Alnus' 'Cladrastis'
 'Fontanesia' 'Cornus' 'Toona' 'Catalpa' 'Ilex' 'Buxus' 'Metasequoia'
 'Gymnocladus' 'Maclura' 'Cephalotaxus' 'Rhus' 'Castanea' 'Ailanthus'
 'Broussonetia' 'Sequoiadendron' 'Lagerstroemia' 'Pterostyrax'
 'Eucalyptus' 'Olea' 'Ficus' 'Carpinus' 'Sambucus' 'Picea' 'Amelanchier'
 'Laburnum' 'Phillyrea' 'Sequoia' 'Aralia' 'Phellodendron' 'Elaeagnus'
 'Ehretia' 'Poncirus' 'Albizia' 'Melia' 'Nothofagus' 'Cupressus'
 'Trachycarpus' 'Platycladus' 'Torreya' 'Calocedrus' 'Abelia' 'Staphylea'
 'Photinia' 'Clerodendrum' 'Davidia' 'Firmiana' 'Zanthoxylum' 'Taxodium'
 'Eucommia' 'Nyssa' 'Cotoneaster' 'Osmanthus' 'x Cupressocyparis'
 'Non spécifié' 'Laurus' 'Arbutus' 'Araucaria' 'Cryptomeria'
 'Cunninghamia' 'Thujopsis' 'Lonicera' 'Hovenia' 'x Chitalpa' 'Eriobotrya'
 'Pistacia' 'Laburnocytisus' 'Tapiscia' 'Larix' 'Carya' 'Distylium'
 'Tamarix' 'Ptelea' 'Cotinus' 'Chimonanthus' 'Acacia' 'Washingtonia'
 'Brahea' 'Cordyline' 'Phoenix' 'Hibiscus' 'Tsuga' 'Stewartia'
 'Paraserianthes' 'Hippophae' 'Carica' 'Styrax' 'Sassafras' 'Juniperus'
 'Heptacodium' 'Punica' 'Pseudotsuga' 'Rhododendron' 'Viburnum'
 'Poliothyrsis' 'Caragana' 'Asimina' 'Platycarya' 'Phyllanthus' 'Alangium'
 'Euscaphis' 'Enkianthus' 'Sycopsis' 'Cinnamomum' 'Ziziphus' 'Maackia'
 'Philadelphus' 'Syringa' 'Euonymus' 'Acca' 'Fremontodendron' 'Rhamnus'
 'Callistemon' 'Aronia' 'Luma' 'Genista' 'Brachychiton' 'Idesia'
 'Kalopanax' nan 'Hemiptelea' 'x Sorbopyrus' 'Xanthoceras' 'Sciadopitys'
 'Parrotiopsis' 'Podocarpus' 'Chionanthus' 'Garrya' 'Crataegomespilus']


espece
['hippocastanum' 'baccata' 'negundo' 'daniellii' 'x hispanica' 'japonica'
 'n. sp.' 'sylvatica' 'occidentalis' 'tomentosa' 'robur' 'paniculata'
 'rufinerve' 'styraciflua' 'nigra' 'japonicum' 'lucidum' 'tulipifera'
 'concolor' 'saccharinum' 'x europaea' 'platyphyllos' 'platanoides'
 'serrulata' 'carpinifolia' 'libani' 'wallichiana' 'floribunda' 'pendula'
 'siliquastrum' 'pseudoacacia' 'excelsior' 'laevigata' 'pseudoplatanus'
 'triacanthos' 'cerasifera' 'campestre' 'biloba' 'buergerianum'
 'germanica' 'cerris' 'regia' 'sylvestris' 'rubra' 'nigra subsp. nigra'
 'alba' 'tataricum subsp. ginnala' 'domestica' 'calleryana' 'cappadocicum'
 'x carnea' 'lawsoniana' 'x turneri' 'utilis' 'maackii' 'kaki' 'cordata'
 'persica' 'fraxinifolia' 'frainetto' 'avium' 'x soulangeana' 'colurna'
 'torminalis' 'petraea' 'ilex' 'oblonga' 'davidii' 'communis'
 'monspessulanum' 'papyrifera' 'kobus' 'suber' 'phellos' 'canariensis'
 'ornus' 'glutinosa' 'castaneifolia' 'babylonica' 'capillipes' 'minor'
 'x media' 'henryana' 'phillyreoides' 'opalus' 'mas' 'sinensis'
 'bignonioides' 'triacanthos f. Inermis' 'australis' 'aquifolium'
 'grandiflora' 'sempervirens' 'incana' 'babylonica var. pekinensis'
 'sargentii' 'macrophyllum' nan 'glyptostroboides' 'deodara' 'dioica'
 'pomifera' 'harringtonii' 'typhina' 'sativa' 'x subhirtella'
 'heldreichii' 'giraldii' 'giganteum' 'indica' 'aria' 'hispida' 'caprea'
 'mongolica' 'gunnii' 'europaea' 'monogyna' 'carica' 'betulus'
 'pungens f. Glauca' 'x arnoldiana' 'x loebneri' 'lamarckii' 'controversa'
 'salicifolia' 'anagyroides' 'latifolia' 'americana' 'spectabilis'
 'spinosa' 'kousa' 'deltoides' 'amurense' 'angustifolia' 'pumila'
 'altissima' 'dicksonii' 'aucuparia' 'lotus' 'trifoliata' 'julibrissin'
 'azedarach' 'laurocerasus' 'mahaleb' 'kentukea' 'rubrum' 'lusitanica'
 'trilobata' 'obliqua' 'abies' 'palmatum' 'pauciflora' 'plicata'
 'arizonica' 'avellana' 'fortunei' 'pinsapo' 'orientalis' 'griseum'
 'pungens' 'strobus' 'simonii' 'decurrens' 'x spaethii' 'triflorum'
 'triflora' 'lasiocarpa' 'colchica' 'florida' 'x fraseri' 'tremula'
 'trichotomum' 'libani subsp. atlantica' 'serrata' 'nigra subsp. laricio'
 'imbricaria' 'nootkatensis' 'virginiana' 'dentata' 'stenoptera'
 'xerubescens' 'involucrata' 'simplex' 'californica' 'simulans'
 'distichum' 'ulmoides' 'rosmarinifolia' 'intermedia' 'x burkwoodii'
 'leylandii' 'bungeana' 'incisa' 'nobilis' 'araucana' 'pensylvanicum'
 'padus' 'x watereri' 'albosinensis' 'macrocarpa' 'flava' 'lanceolata'
 'breweriana' 'Fruit n. sp.' 'toringoides' 'denudata' 'dolabrata'
 'coccinea' 'dulcis' 'tashkentensis' 'involucrata var. vilmoriniana'
 'engelmannii' 'x canadensis' 'variabilis' 'macranthera' 'ermanii'
 'nivalis' 'sanguinea' 'x lavalleei' 'x purpurea' 'glabra' 'omorika'
 'mariana' 'seguinii' 'funebris' 'numidica' 'crus-galli' 'macrophylla'
 'speciosa' 'terebinthus' 'adamii' 'x altaclerensis' 'fargesii' 'pavia'
 'acalycina' 'acuminata' 'sinensis Oliv.' 'decidua' 'pinaster'
 'transitoria' 'acutissima' 'balearica' 'x rehderiana' 'ovata' 'pictum'
 'koraiensis' 'racemosum' 'ramosissima' 'x margaretta' 'pennsylvanica'
 'tschonoskii' 'heterophyllus' 'x berolinensis' 'coggygria'
 'carpinifolium' 'pubescens' 'praecox' 'tetrandra' 'ioensis' 'stellata'
 'arborea' 'ovalifolium' 'dealbata' 'prunifolia' 'parviflora'
 'microphylla' 'aucuparia var. edulis' 'pinea' 'chinensis' 'nordmanniana'
 'bracteata' 'toringo' 'x atrosanguinea' 'robusta' 'armata' 'wagnerianus'
 'chinense' 'laevis' 'x yedoensis' 'canadensis' 'syriacus'
 'phillyreoides subsp. fortunei' 'x zoeschense' 'heterophylla' 'kaempferi'
 'mandshurica' 'cembra' 'banksiana' 'pyrenaica' 'rysophylla'
 'pseudocamellia' 'x schmittii' 'x robusta' 'lenta' 'lophantha'
 'populifolia' 'unedo' 'coccifera' 'rhamnoides' 'elata' 'papaya'
 'x blireana' 'x zumi' 'officinalis' 'japonicus' 'x rosacea'
 'x brooklynensis' 'palustris' 'antarctica var. uliginosa' 'albidum'
 'viminalis' 'aurita' 'miconioides' 'purpurea' 'glandulosa' 'granatum'
 'trichotomum var. fargesii' 'baccata f. Aurea' 'x thuringiaca' 'jeffreyi'
 'alleghaniensis' 'menziesii' 'sieboldii' 'arboreum' 'radiata' 'europea'
 'davidiana' 'serrula' 'x Sepulcralis' 'exigua' 'x pendulina' 'tripetala'
 'halepensis' 'pisifera' 'pendula var. pendula' 'tinus' 'maximowicziana'
 'udensis' 'saccharum' 'maxima' 'mugo' 'freemanii' 'cinerea' 'x canescens'
 'fruticosa' 'pekinensis' 'triloba' 'pontica' 'scalaris' 'vilmorinii'
 'viscosa' 'quadrangulata' 'umbellata' 'kousa var. chinensis' 'x durettii'
 'bicolor' 'suber subsp. Occidentalis' 'augustinii' 'strobilacea'
 'yunnanensis' 'glaucus' 'hemsleyanus' 'platanifolium' 'davurica'
 'medwediewii' 'turczaninowii' 'henryi' 'x coriaceum' 'camphora' 'jujuba'
 'copallina' 'amurensis' 'odoratissimum' 'coronarius'
 'nigra subsp. salzmannii' 'humilis' 'antarctica' 'decora' 'x hollandica'
 'monogyna var. monogyna' 'europaeus' 'sellowiana' 'vulgaris'
 'californicum' 'alaternus' 'chequen' 'x chinensis' 'x ambigua'
 'marilandica' 'Fleur n. sp.' 'sinense' 'armeniaca' 'bungei'
 'glabra Huds.' 'minor var. vulgaris' 'obovatus' 'vulgare' 'x flavescens'
 'illinoinensis' 'pyrifolia' 'x hillieri' 'dasystyla' 'x macrantha'
 'acerifolius' 'horizontalis' 'formosana' 'polycarpa' 'x mutabilis'
 'x gondouinii' 'lusitanica subsp.azorica' 'dasystyla subsp. caucasica'
 'labilis' 'coulteri' 'faginea' 'grandis' 'piperitum' 'obtusa' 'kiusiana'
 'oliveri' 'x libanerris' 'trojana' 'septemlobus' 'oliverianum' 'rufa'
 'sieboldianum' 'liliiflora' 'sabiniana' 'hypoleuca' 'circinatum'
 'sprengeri' 'x proctoriana' 'maximowiczianum' 'corymbosa' 'jessoensis'
 'baccata var. mandshurica' 'sinica' 'potaninii' 'serotina'
 'persica var.nucipersica' 'tricuspidata' 'biondii'
 'occidentalis var. reticulata' 'diabolicum' 'turbinata' 'hyrcanum'
 'x conspicuum' 'major' 'hirsuta' 'x colurnoides' 'x erubescens'
 'tenuifolia' 'vestita' 'hybrida' 'acerifolia' 'bipinnata' 'americanum'
 'duclouxii' 'velutina' 'x flaccida' 'sorbifolium' 'pardei' 'cilicica'
 'koreana' 'nebrodensis' 'verticillata' 'cissifolium' 'wilsonii'
 'jacquemontiana' 'cathayana' 'rigida' 'densiflora' 'ponderosa'
 'monophylla' 'x ebbingei' 'vilmoriniana' 'cathartica' 'viridis'
 'chrysocarpa var. phoenicea' 'x lettermanii' 'x sorbifolia'
 'x persimilis' 'tournefortii' 'contorta var. latifolia' 'acutifolia'
 'procera' 'ailantifolia' 'microcarpa' 'macrophyllus' 'sabina' 'gemmata'
 'recurvata' 'cephalonica' 'homolepis' 'smithiana' 'koyamai' 'glauca'
 'obovata' 'glehnii' 'likiangensis' 'sitchensis' 'asperata' 'schrenkiana'
 'biltmoreana' 'retusus' 'rhytidophyllum' 'elliptica' 'brevifolia'
 'miqueliana' 'x marschlinsii' 'verniciflua' 'myrtilloides' 'fragilis'
 'x bixbyi' 'cordiformis' 'trichocarpa' 'rhoifolia' 'forrestii'
 'luminifera' 'x caerulea' 'platyphylla' 'curdica' 'x neglecta' 'fecunda'
 'canbyi' 'spathulata' 'aprica' 'ambigua' 'venustula'
 'rotundifolia var. aboriginum' 'champlainensis'
 'szechuanica var. tibetica' 'taurica' 'muehlenbergii'
 'ithaburensis var. macrolepis' 'lobata' 'x kewensis' 'ilicifolia'
 'x heterophylla' 'falcata' 'delavayi subsp. potaninii']

#### Barplot des variables qualitatives

nu = df_filtered[quali].nunique().reset_index()
nu.columns = ['feature','nunique']
plt.figure(figsize=(15,10))
sns.barplot(x='feature', y='nunique', data=nu)
plt.show()

Répartition des stades de développement

group_name=["A","JA", "J", "M"]
df_filtered.stade_developpement.value_counts().plot.pie(figsize=(10, 8), autopct='%1.1f%%', label="Stade de développement")
plt.title("Répartition des stades de développement", fontsize=15, fontweight='bold')
plt.legend(labels=group_name,bbox_to_anchor=(1, 1))
plt.show()

Nombre d'arbres par arrondissement

arbrepararrondissement = df_filtered['arrondissement'].value_counts().tolist()
arrondissements = df_filtered['arrondissement'].unique().tolist()
listStadeDev = ['A', 'J', 'M', 'JA']

sns.catplot(data=df_filtered, kind="bar", x=arbrepararrondissement, y=arrondissements)
plt.title('Nombre arbres par arrondissement', fontsize=15, fontweight='bold')
plt.xlabel('Nombre d\'arbres')
plt.ylabel('Arrondissement')
plt.show()

4.8 Analyse géographique

## Nous pouvons utiliser les données GPS pour tracer la position des arbes

plt.figure(figsize=(8,6))
sns.scatterplot(data=df, x="geo_point_2d_b", y="geo_point_2d_a")
plt.show()

## Nous pouvons aussi utiliser folium pour tracer la position des arbes sur la carte de Paris

import folium

paris_map = folium.Map(location=[48.85, 2.35], )


for ind, lat, lon, com in df_filtered[['geo_point_2d_a', 'geo_point_2d_b', 'lieu']][:10000].itertuples():
    
    paris_map.add_child(folium.RegularPolygonMarker(location=[lat,lon], popup=com, fill_color='green', radius=5))
    
paris_map

Make this Notebook Trusted to load map: File -> Trust Notebook

5. Synthèse de l'analyse de données

Suggestions pour améliorer: - Re-mesurer les arbres avec des valeurs aberrantes - Envoyez le bon équipement au bon endroit selon la taille des arbres, leur hauteur, ou stade de développement - Le nombre d'arbres par arrondissement peut être une information utile lors de l'organisation des tournées d'entretiens - On peut planifier l'ordre d'entretien des arrondissements en fonction de l'enchainement souhaité - Selon l'hauteur, la circonférence et le stade de développement des arbes, nous pouvons choisir les outiles nécessaires lors de l'entretien - Grace aux coordonées GPS. On peut visualiser directement la localisation des arbres par stade de développement. - Soigner les arbres avec de retard de croissance selon la relation entre hauteur, circonférence et stade de développement.